التوأم الجيني الرقمي.. حين يسبق الطبُ المرضَ ويختبر العلاجَ على نسخة افتراضية من الإنسان

ماذا لو تمكن الطبيب من رصد احتمال إصابتك بمرض خطير قبل سنوات من ظهور أعراضه؟ وماذا لو استطاع اختبار مجموعة من العلاجات على نموذج رقمي يحاكي خصائص جسمك، قبل أن يصف لك الدواء الأول؟

لم يعد هذا التصور حكرًا على أدبيات الخيال العلمي. ففي مختبرات الأبحاث وشركات التقنية الحيوية، يجري تطوير ما يعرف بـ«التوأم الجيني الرقمي»، وهو نموذج حاسوبي يجمع بيانات الإنسان الجينية والسريرية والسلوكية، بهدف محاكاة بعض العمليات البيولوجية وتقدير كيفية تطور المرض أو الاستجابة للعلاج.

ولا يمثل التوأم الرقمي نسخة كاملة من الإنسان، كما قد يوحي الاسم، بل منظومة تنبؤية تتفاوت درجة تعقيدها ودقتها بحسب البيانات المتاحة والغرض الطبي الذي صُممت من أجله. وقد تركز بعض النماذج على عضو محدد، مثل القلب، بينما تحاول نماذج أخرى بناء ملف صحي أوسع يدمج الجينات والتاريخ المرضي وبيانات الأجهزة القابلة للارتداء.

من محركات الطائرات إلى جسم الإنسان

ظهر مفهوم «التوأم الرقمي» أولًا في مجالات الهندسة والصناعات الثقيلة والطيران، حيث تبني الشركات نسخة افتراضية من آلة حقيقية، مثل محرك طائرة، ثم تغذيها ببيانات التشغيل باستمرار للتنبؤ بالأعطال واختبار ظروف مختلفة دون تعريض الأصل للخطر.

لكن نقل المفهوم إلى الطب أكثر تعقيدًا بكثير. فالآلة، مهما بلغت درجة تعقيدها، تعمل ضمن قوانين هندسية يمكن قياسها نسبيًا، بينما يتأثر جسم الإنسان بعوامل متشابكة تشمل الجينات والعمر والبيئة والغذاء والنوم والضغط النفسي ونمط الحياة.

ومن هنا، لا يعتمد التوأم الجيني الرقمي على الحمض النووي وحده، بل على دمج طبقات متعددة من المعلومات، تشمل التسلسل الجيني، والسجلات الطبية، ونتائج الفحوص المخبرية، والصور التشخيصية، ومؤشرات النشاط والنوم والنبض، وربما العوامل البيئية والاجتماعية.

وتتولى خوارزميات الذكاء الاصطناعي تحليل هذه البيانات، والبحث عن أنماط قد تساعد الأطباء في الإجابة عن أسئلة من قبيل: ما احتمال تطور حالة مرضية معينة؟ وما الدواء الأكثر ملاءمة لهذا المريض؟ وما الآثار الجانبية التي ينبغي مراقبتها؟

نماذج تتعلم «لغة» الحمض النووي

أدى التطور السريع في نماذج الذكاء الاصطناعي إلى ظهور أنظمة تتعامل مع تسلسلات الحمض النووي بطريقة تشبه تعامل النماذج اللغوية مع النصوص.

فكما تتعلم النماذج اللغوية العلاقات بين الكلمات والجمل، تتدرب النماذج الجينومية على قراءة التتابعات الوراثية واكتشاف الأنماط المرتبطة بوظائف الجينات أو تأثير الطفرات.

ومن أبرز النماذج التي ظهرت في هذا المجال نظام «إيفو 2»، الذي طُوّر بالتعاون بين معهد «آرك» وشركة «إنفيديا» وباحثين من جامعات أميركية. وقد جرى تدريبه على قاعدة ضخمة تضم تريليونات الأزواج القاعدية من كائنات مختلفة، بهدف التنبؤ بالتأثيرات الوظيفية للتغيرات الجينية.

وتكمن أهمية هذه النماذج في قدرتها المحتملة على مساعدة الباحثين في تصنيف المتغيرات الوراثية التي لا يزال معناها الطبي غير واضح، أو في تصميم فرضيات جديدة لفهم الأمراض. غير أن هذه القدرة لا تعني أن كل تنبؤ صادر عنها يصلح مباشرة لاتخاذ قرار علاجي؛ إذ يتطلب الاستخدام السريري اختبارات تحقق مستقلة، ومقارنات واسعة، وإشرافًا طبيًا وتنظيميًا صارمًا.

وفي مجال أمراض القلب، يعمل باحثون على تطوير نماذج رقمية تحاكي الخصائص الكهربائية والميكانيكية للقلب، بالاستناد إلى بيانات المريض الجينية والسريرية. وقد تساعد مثل هذه الأدوات مستقبلًا في تقدير مخاطر اضطرابات النظم أو اختبار أثر تدخلات علاجية قبل تطبيقها فعليًا.

الانتقال من علاج المرض إلى استباقه

يعتمد جانب كبير من الطب التقليدي على الاستجابة للمرض بعد ظهور علاماته. وفي حالات عديدة، لا تبدأ رحلة التشخيص إلا عندما يشتكي المريض من أعراض واضحة، رغم أن التغيرات البيولوجية ربما بدأت قبل ذلك بسنوات.

وتطمح التوائم الجينية الرقمية إلى تعديل هذه المعادلة، عبر الانتقال من طب رد الفعل إلى طب أكثر استباقية. فبدلًا من انتظار تطور المرض، يمكن استخدام البيانات لتحديد الأشخاص الأكثر عرضة له، وتكثيف الفحوص أو تعديل نمط الحياة أو بدء تدخلات وقائية في وقت مبكر.

وقد تكون لهذه المقاربة أهمية خاصة في الأمراض التي تتحسن فرص علاجها عند اكتشافها مبكرًا، مثل بعض أنواع السرطان وأمراض القلب والاضطرابات الاستقلابية.

لكن التنبؤ بالخطر ليس تشخيصًا. فإذا أظهر النموذج أن شخصًا ما يحمل احتمالًا مرتفعًا للإصابة بمرض، فهذا لا يعني أن المرض سيقع بالضرورة. فالنتيجة قد تكون تقديرًا إحصائيًا يتأثر بجودة البيانات وبنية النموذج والعوامل التي لم تدخل في الحساب.

ولهذا يحذر المختصون من تقديم التوقعات الرقمية للمرضى بوصفها حقائق حتمية. فالفارق كبير بين القول إن شخصًا «سيصاب بالمرض» والقول إن لديه «خطرًا أعلى من المتوسط» يستدعي متابعة أو إجراءات وقائية.

تجربة الدواء قبل تناوله

أحد أكثر الوعود جاذبية في التوأم الرقمي هو محاكاة استجابة المريض للعلاج. فمن الناحية النظرية، يمكن إدخال بيانات المريض في النموذج، ثم اختبار أدوية أو جرعات مختلفة، ومقارنة الفاعلية المتوقعة واحتمالات الآثار الجانبية.

وقد يقلل ذلك من أسلوب التجربة والخطأ المستخدم في بعض مجالات الطب، حيث يصف الطبيب علاجًا ثم ينتظر ليرى مدى استجابة المريض له.

ومع ذلك، لا تزال محاكاة استجابة الجسم بالكامل شديدة الصعوبة. فالدواء لا يتفاعل مع جين واحد أو عضو واحد، بل مع شبكة واسعة من العمليات البيولوجية، كما تتأثر الاستجابة بعوامل مثل العمر والأدوية الأخرى ووظائف الكبد والكلى والالتزام بالعلاج.

لذلك يُرجح أن تعمل التوائم الرقمية، في المستقبل المنظور، كأداة مساعدة للطبيب، لا بديلًا عن الفحص السريري أو التجارب الدوائية أو المتابعة المباشرة.

«مرضى افتراضيون» داخل التجارب السريرية

يتوسع استخدام النماذج الرقمية أيضًا في تصميم التجارب السريرية، من خلال إنشاء ما يسمى مجموعات الضبط الخارجية أو المرضى الافتراضيين.

وفي التجارب التقليدية، يقسم المشاركون عادة إلى مجموعة تحصل على العلاج قيد الاختبار، وأخرى تتلقى علاجًا مقارنًا أو دواءً وهميًا. أما النماذج الافتراضية، فتستخدم بيانات تاريخية من تجارب سابقة لمحاكاة المسار المتوقع لبعض المرضى من دون العلاج الجديد.

وقد تساعد هذه المقاربة في تقليل عدد المشاركين المطلوبين في مجموعة الضبط، وتسريع بعض مراحل البحث، وخفض التكلفة، خصوصًا في الأمراض النادرة أو الحالات التي يصعب فيها تجنيد أعداد كبيرة من المتطوعين.

غير أن المريض الافتراضي لا يستطيع حتى الآن أن يحل بصورة كاملة محل الإنسان في التجارب السريرية. فالبيانات التاريخية قد لا تمثل جميع الفئات السكانية، كما أن تغير معايير العلاج بمرور الزمن قد يجعل المقارنة غير دقيقة. ولهذا تتعامل الجهات التنظيمية مع هذه النماذج بحذر، وتقيّم استخدامها حالة بحالة.

حين تتحول المعرفة إلى عبء نفسي

لا تقتصر تحديات التوائم الجينية الرقمية على الدقة التقنية، بل تمتد إلى تأثيرها النفسي على الأفراد.

فمعرفة الإنسان أنه قد يكون معرضًا لمرض خطير بعد عشرين أو ثلاثين عامًا قد تمنحه فرصة لاتخاذ إجراءات وقائية، لكنها قد تحوله أيضًا إلى شخص يعيش تحت وطأة انتظار مرض لم يحدث.

ويستخدم بعض الباحثين تعبير «الأصحاء القلقون» لوصف أشخاص لا يعانون مرضًا فعليًا، لكنهم يعيشون في حالة خوف مستمر نتيجة مؤشرات وتنبؤات صحية متكررة.

وتزداد المعضلة عندما لا يوجد تدخل وقائي واضح. فما الفائدة من إبلاغ شخص بخطر مستقبلي مرتفع إذا لم يكن هناك دواء أو فحص أو تغيير سلوكي مثبت يمكنه خفض ذلك الخطر؟

في مثل هذه الحالات، قد لا تؤدي زيادة المعلومات إلى زيادة جودة الحياة. وقد تسبب التنبؤات غير اليقينية قلقًا مفرطًا أو قرارات طبية غير ضرورية أو مراقبة مرضية لكل تغير بسيط في الجسم.

ومن ثم، فإن إدخال هذه الأدوات إلى العيادات يتطلب وضع ضوابط تحدد متى ينبغي إبلاغ المريض بالتوقعات، وكيف تُشرح له حدودها، وما نوع الدعم النفسي والاستشارة الجينية التي يجب توفيرها.

من يملك النسخة الرقمية؟

يفتح التوأم الجيني الرقمي بابًا واسعًا أمام أسئلة الخصوصية. فالبيانات الجينية ليست مجرد معلومة طبية عابرة؛ إنها ثابتة نسبيًا، ويمكن أن تكشف معلومات عن الفرد وأقاربه، وقد تحمل دلالات تتجاوز الغرض الذي جمعت من أجله.

وكلما ازداد النموذج شمولًا، أصبح أكثر حساسية. فقد يتضمن بيانات عن الاستعداد للأمراض، والحالة النفسية، ونمط الحياة، والعادات اليومية، والاستجابة للأدوية، وربما توقعات بشأن القدرة على العمل أو احتمالات العجز مستقبلًا.

وهنا يبرز السؤال المركزي: هل التوأم الرقمي ملك للمريض، أم للمستشفى الذي أنشأه، أم للشركة التي طورت الخوارزمية، أم للجهة التي خزنت البيانات؟

وقد يصبح هذا السؤال أكثر خطورة إذا سُمح لشركات التأمين أو جهات التوظيف بالوصول إلى الملفات التنبؤية. ففي سيناريو محتمل، قد ترفع شركة تأمين قيمة القسط لأن النموذج يتوقع ارتفاع خطر الإصابة بمرض في المستقبل، أو قد تتردد جهة عمل في توظيف شخص بسبب احتمال إصابته باضطراب صحي بعد سنوات.

وعندئذ لا يُحاسب الفرد على مرض يعاني منه، بل على احتمال أنتجته خوارزمية؛ وهو ما يمكن وصفه بالتمييز الجيني الرقمي.

قوانين لم تُصمم لهذا العصر

توفر القوانين الحالية في بعض الدول حماية للبيانات الصحية والجينية، لكنها لم تُصمم بالضرورة للتعامل مع نموذج رقمي ديناميكي يجمع الجينات والسلوك والتوقعات الصحية في ملف واحد.

ففي الولايات المتحدة، يحظر قانون عدم التمييز في المعلومات الجينية استخدام بعض المعلومات الجينية في قرارات التوظيف والتأمين الصحي، لكنه لا يغطي بالدرجة نفسها تأمين الحياة أو العجز أو الرعاية طويلة الأمد.

أما في الاتحاد الأوروبي، فتحظى البيانات الصحية والجينية بحماية مشددة بموجب اللائحة العامة لحماية البيانات. كما يفرض قانون الذكاء الاصطناعي الأوروبي التزامات إضافية على الأنظمة الطبية المصنفة عالية الخطورة، تتعلق بجودة البيانات والشفافية والرقابة البشرية وإدارة المخاطر.

ومع ذلك، تبقى تحديات عملية تتعلق بقدرة الأفراد على فهم ما يوافقون عليه. فالموافقة المستنيرة تصبح أكثر تعقيدًا عندما تستخدم البيانات لاحقًا لتدريب نماذج جديدة، أو عندما تنتج عنها استنتاجات لم تكن موجودة لحظة جمعها.

خطر التحيز الجيني

تحتاج النماذج الطبية إلى بيانات ضخمة ومتنوعة. وإذا جاءت بيانات التدريب بصورة أساسية من مجموعات سكانية محددة، فقد تكون توقعات النظام أقل دقة لدى مجموعات أخرى.

وهذه ليست مشكلة تقنية صغيرة، بل قضية عدالة صحية. فقد يحصل شخص ينتمي إلى مجموعة ممثلة جيدًا في البيانات على تنبؤ أكثر دقة، بينما يتلقى شخص آخر تقديرًا خاطئًا أو غير موثوق بسبب نقص العينات التي تشبهه.

وقد يؤدي الخطأ إلى طمأنة زائفة تؤخر التشخيص، أو إلى إنذار مبالغ فيه يدفع إلى فحوص وعلاجات غير ضرورية.

لذلك لا يكفي الإعلان عن دقة إجمالية مرتفعة للنموذج. بل ينبغي معرفة أدائه بحسب العمر والجنس والأصل الجيني والحالة الصحية، وإخضاعه لتقييم مستقل ومستمر بعد دخوله الاستخدام السريري.

مستقبل مشروط بالثقة

تحمل التوائم الجينية الرقمية فرصة حقيقية لتطوير الطب الشخصي، وتحسين الكشف المبكر، واختيار العلاج، وتصميم التجارب السريرية. لكنها لا تزال تقنية ناشئة، تتداخل فيها حدود العلم مع طموحات السوق، ويختلط فيها الاحتمال الإحصائي أحيانًا بالوعد التجاري.

ولكي تتحول هذه التقنية إلى أداة صحية موثوقة، لا بد من بناء أطر واضحة تجعل المريض محور المنظومة، وتضمن حقه في معرفة كيفية استخدام بياناته، وتصحيحها أو حذفها، وتمنع توظيفها ضده في العمل أو التأمين.

كما يجب أن تظل القرارات الطبية النهائية خاضعة لإشراف بشري، وألا تتحول الخوارزمية إلى سلطة غير قابلة للمساءلة أو الاعتراض.

فالتحدي الحقيقي ليس في بناء نسخة رقمية أكثر دقة من الإنسان فحسب، بل في ضمان ألا تتحول هذه النسخة إلى سجل دائم يحاكمه على مستقبل لم يقع بعد.

وبين الوعد بطب يتنبأ بالمرض قبل ظهوره، والخشية من مجتمع يصنف أفراده وفق مخاطرهم الوراثية، سيعتمد مستقبل التوأم الجيني الرقمي على قدرة العلماء والأطباء والمشرعين على تحقيق توازن دقيق بين الابتكار وكرامة الإنسان.